细胞自动机的程序,关于细胞自动机如何实现的问题

Hopfield 网――擅长于联想记忆与解迷路 实现H网联想记忆的关键，是使被记忆的模式样本对应网络能量函数的极小值。 设有M个N维记忆模式，通过对网络N个神经元之间连接权 wij 和N个输出阈值θj的设计，使得: 这M个记忆模式所对应的网络状态正好是网络能量函数的M个极小值。 比较困难，目前还没有一个适应任意形式的记忆模式的有效、通用的设计方法。 H网的算法 1）学习模式――决定权重 想要记忆的模式，用-1和1的2值表示 模式：-1，-1，1，-1，1，1，... 一般表示： 则任意两个神经元j、i间的权重： wij=∑ap(i)ap(j)，p=1…p； P：模式的总数 ap(s)：第p个模式的第s个要素（-1或1） wij：第j个神经元与第i个神经元间的权重 i = j时，wij=0，即各神经元的输出不直接返回自身。 2)想起模式： 神经元输出值的初始化 想起时，一般是未知的输入。设xi(0)为未知模式的第i个要素（-1或1） 将xi(0)作为相对应的神经元的初始值，其中，0意味t=0。 反复部分：对各神经元，计算： xi (t+1) = f (∑wijxj（t）-θi), j=1…n, j≠i n―神经元总数 f（）--Sgn（） θi―神经元i发火阈值 反复进行，直到各个神经元的输出不再变化。-Hopfield network-- good at associative memory solution with the realization of lost H associative memory networks, are key to bringing the memory model samples corresponding network energy function of the minimum. With M-N-dimensional memory model, the network N neurons connect between right wij and N output threshold j design makes : M-mode memory corresponding to the network is a state network energy function is the M-000 minimum. Mor

svm_nu 分类源码 用于svm的分类编程同svm_c 相近-svm classification svm_nu source for the classification of programming with similar svm_c

EM算法，详细介绍了EM算法的应用，对研究EM算法的人来说有很大的帮助。-EM algorithm, described in detail the application of EM algorithm

采用“提前停止”方法提高 BP 网络的推广能力。对于和例 2相同的问题，在本例中我们将采用训练函数 traingdx -The use of

神经网络算法源程序,使用C编写,需要的同志们赶快下吧，会对你用的-neural network algorithm source, the use of C, the need to quickly comrades are you would you use the

条码技术-barcode technology

这是马少平 朱小燕编著的人工智能配套课件，由清华大学出版社出版-This is Ma Shao-ping ZHU Xiao-yan matching artificial intelligence authoring courseware, from Tsinghua University Publishing House

自适应遗传算法matlab代码.自适应遗传算法的问题是很容易早熟,好处就是速度快 .不过我将在其中会引入一个早熟判定标志的，并设定一个阈值，如此以来，就可以防止早熟现象了 -Adaptive genetic algorithm Matlab code. Adaptive genetic algorithm is very easy precocious, advantage is faster. However, in which I will be introducing an early sign of determination, and set a threshold, so, you can prevent precocious phenomenon

米凯利维奇遗传算法-Mikerevic Genetic Algorithm

模糊技术与神经网络技术选编-fuzzy and neural network technology Selected